Online Gaussian Process
Online Gaussian Process (OGP) rozšiřuje bayesovský neparametrický rámec GP na datové proudy nebo sekvenčně přicházející data. Místo přepočítávání celé GP posteriorní distribuce od začátku s každým příchozím pozorováním si OGP udržuje kompaktní souhrn — řídkou množinu induktivních bodů — a inkrementálně jej aktualizuje, čímž umožňuje provádět pravděpodobnostní regresi a klasifikaci v reálném čase a ve velkém měřítku.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Csató, L. & Opper, M. (2002). Sparse on-line Gaussian processes. Neural Computation, 14(3), 641–668. DOI: 10.1162/089976602317250933 ↗
- Engel, Y., Mannor, S. & Meir, R. (2004). The kernel recursive least-squares algorithm. IEEE Transactions on Signal Processing, 52(8), 2275–2285. DOI: 10.1109/TSP.2004.830985 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Online Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/cs/machine-learning/online-gaussian-process
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesovská lineární regreseBayesovská statistika↔ compare
- Stochastický gradientní sestup (SGD)Strojové učení↔ compare
- Variační inferenceBayesovská statistika↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →